ImageNet

La chercheuse Fei-Fei Li a commencé a travailler sur l'idée du dataset ImageNet en 2006. À une époque où les chercheurs se focalisent sur les modèles et les algorithmes, Li décide d'augmenter et d'améliorer les donnés disponibles pour entraîner les algorithmes d'apprentissage artificiel[1]. En 2007, Fei-Fei Li rencontre Christiane Fellbaum, professeure à l'Université de Princeton et une des créatrices de WordNet pour discuter du projet. À la suite de cette rencontre, Li construit ImageNet à partir de WordNet, en ré-utilisant plusieurs de ses caractéristiques[2].

La base de données ImageNet a été présentée pour la première fois lors des sessions de présentation de posters en 2009 à la Conférence sur la Vision par Ordinateur et Reconnaissance de formes (CVPR) en Floride, par des chercheurs du département d'Informatique à l'Université de Princeton[2]^,[3].

ImageNet utilise la production participative dans son processus d'annotation. L'annotation à l'échelle de l'image indique la présence ou l'absence d'une classe d'objet dans celle-ci, par exemple « il y a des tigres dans cette image » ou « il n'y a pas de tigres dans cette image ». Pour l'annotation d'objets, il s'agit de fournir une boîte englobante autour de l'objet ou de sa partie visible. ImageNet utilise une variante de la structure WordNet de catégorisation d'objets, augmentée de 120 catégories de races de chiens, afin de présenter la classification sémantique fine[4].

Le jeu de données ImageNet le plus utilisé, ILSVRC 2012-2017, est composé d'environ 1.5 millions d'images, réparties en environ 90% d'images d'entraînement, 3% de validation et 7% de test[5].

Lancée en 2010, ILSVRC est une compétition annuelle où des équipes de recherche évaluent leurs algorithmes de traitement d'images sur le jeu de données ImageNet (un jeu de validation non accessible), et concourent pour obtenir la meilleure précision sur plusieurs tâches de vision par ordinateur. Le but d'ILSVRC est de suivre l'exemple du challenge à plus petite échelle PASCAL VOC, créé en 2005 et qui contient seulement environ 20 000 images et une vingtaine de classes d'objets. Les années 2010 ont vu des progrès spectaculaires dans le domaine du traitement d'images. En 2011, les plus faibles taux d'erreur de classification de la compétition ILSVRC étaient d'environ 25 %. En 2012, la révolution de l'apprentissage profond permet de faire baisser subitement ce record à 16 %. Les deux années suivantes verront le taux d'erreur baisser drastiquement à quelques pourcents[6]. Les chercheurs^[Qui ?] estiment alors qu'en 2015, les algorithmes seront capables de dépasser les performances d'opérateurs humains sur les tâches du challenge ILSVRC.[7] Cependant, comme l'un des organisateurs du défi, Olga Russakovsky, l'a souligné en 2015, les algorithmes n'ont qu'à discriminer un nombre de classes de l'ordre du millier alors que les humains peuvent en discriminer un nombre bien plus grand. De plus, l'opérateur humain peut comprendre facilement le contexte d'une image ce qui n'est pas le cas des solutions automatisées[8].

En 2014, plus de cinquante institutions ont participé à la compétition ILSVRC. En 2015, des scientifiques de Baidu ont été bannis un an pour l'utilisation de comptes multiples afin de dépasser très largement la valeur limite de deux soumissions par semaine[9]^,[10]. Baidu a déclaré plus tard que le chef de l'équipe impliquée a été destitué et qu'il mettrait en place un groupe de conseil scientifique[11].

La dernière édition du défi ILSRVC eut lieu en 2017[12] mais le jeu de données continue à être utilisé dans de nombreux projets, comme principal benchmark des algorithmes développés[13] ou encore comme exemple des biais dans les données utilisées en apprentissage automatique[14].

• Vision par ordinateur
• Détection d'objet
• Apprentissage profond

• (en) Cet article est partiellement ou en totalité issu de l’article de Wikipédia en anglais intitulé « ImageNet » (voir la liste des auteurs).

• Portail de l’imagerie numérique
• Portail de l'informatique théorique